青年报·青春上海记者 范彦萍

近日，委内瑞拉北部地区发生强震，邻近加勒比海的沿海州县受灾严重，大量建筑损毁和人员伤亡。

“我来委内瑞拉18年了，真的第一次碰到这样的强震。”今天凌晨，本报记者连线到了定居委内瑞拉第三大城市巴伦西亚的华人侨胞莫树华，地震时他正欲小憩，被突如其来的晃动吵醒。

6月25日地震发生时，相隔上万公里的中国灾害防御协会应急救援服务分会副理事长、卓明信援负责人郝南正在北京参加国际救援的研讨会，会议间隙，大家的主题立即切换到了救援上。

这两天，发动志愿者积极响应本次灾害的郝南表示，此次民间救援中首次广泛使用了AI技术创新应用。但他认为，AI目前尚不能取代传统志愿者，目前线上志愿者的缺口极大，希望招募更多人手做信息搜集。

震感强烈的傍晚：巴伦西亚侨胞亲历惊魂时刻

委内瑞拉当地时间傍晚6点多，莫树华正躺在家中小憩，刚要进入梦乡，客厅里妻子的喊声把他惊醒。“她坐在沙发上看手机，突然就喊我，我醒过来的第一感觉就是整个房子晃得特别厉害。”莫树华住在当地一个大型住宅区的三楼，整栋楼共有十几层高，地震发生时家里的瓶瓶罐罐纷纷摔落在地，桌椅台面剧烈抖动，连站都站不稳。

出于本能反应，莫树华立刻喊上妻子，两人沿着消防楼梯往楼下跑。“下楼的时候震得特别厉害。”他回忆道，跑到楼下时，小区的空地上已经挤满了跑出来避险的居民。自己在这里住了十几年第一次见到这么多人同时聚集在楼下，很多人来不及穿鞋，衣衫不整，还有人抱着家人蹲在路边抱头痛哭，情绪久久不能平复。

所幸巴伦西亚本地的受灾程度并不严重。莫树华告诉记者，当地没有出现大面积建筑坍塌，居民在楼下避险一段时间后就陆续返回家中，地震过后通讯、水电供应基本没有中断，日常生活秩序恢复得很快。“震源位置更偏向内陆，我们这里离海边起码有几十公里，重灾区都在首都那边的临海区，尤其是首都机场一带。”他补充道，首都加拉加斯已经发生了100多次余震，但巴伦西亚至今没有感受到明显余震，算是躲过了最严重的冲击。

莫树华已经在委内瑞拉生活了18年，主要从事义乌小商品供应链贸易。他介绍，当地华人社群中90%以上都来自广东江门恩平，当地九成的超市都由华人经营。早从清朝末期开始，就有恩平人远赴委内瑞拉谋生，上世纪八九十年代到2000年前后形成移民高峰——彼时委内瑞拉是南美洲第一经济强国，吸引了大量华人前往经商，不少人都是亲戚结伴定居于此。和国内丰富的夜生活不同，当地华人大多过着两点一线的生活，日常只往返于店铺和住所，社交圈也以同乡为主。

地震发生后，当地华人社群的互助机制迅速启动。“几乎每个大城市都有中华会馆，是我们华人自己的民间机构，侨胞的大小事都管。”莫树华说，地震发生次日，各地中华会馆就开始募集饮用水、食品等救灾物资，组织起十几台车的志愿队伍，连夜赶往重灾区，不少开超市的侨胞主动拿出库存物资支援受灾同乡。

卓明信援：AI首次深度入局技术边界仍待厘清

“这可能是第一次AI深度介入灾难救援。”卓明信援负责人郝南在6月25日的地震响应启动会上作出的这个判断，在随后的24小时里就得到了现实印证。

地震发生后，委内瑞拉当地网络上快速流传开一个民间寻人网站，震后24小时登记量就突破1.5万条，很快增长到2万多条。启动会结束后，卓明信援的志愿者“老猫”立刻开始尝试用AI工具抓取网站上的寻人信息，自动将文字地址转化为地理坐标，标注在交互式地图上。“他当天中午开始动手做，到晚上12点他就下线睡觉了，基础功能已经全部跑通。”郝南在朋友圈记录下了这个堪称“神速”的开发过程。

第二天，系统就升级了动态自动添加数据的功能，呈现效果远超预期。地图上清晰显示出不同区域的寻人需求密度，能够直观体现救援重点区域和人员聚集程度，卓明26日的工作简报直接采用了这份分析结果。更让郝南惊讶的是迭代速度：“我们晚上开会提了两点前端和性能的改进意见，会还没开完，迭代已经做完了。现在的效果，完全不逊于任何以前需要一周才能打磨好的成熟产品。”

这样的效率在传统救援工作中是不可想象的。郝南告诉记者，过去制作同类灾情地图完全依靠人工标注，比如200条地址数据需要5名志愿者花两个小时才能完成坐标转化和地图打点。而现在，AI完成同等量级的坐标转化只需要几秒钟，生成整套地图代码也不过几分钟，效率提升了数十倍。除了地图制作，AI还被应用于部分事务性工作，飞书则作为志愿者管理系统，支撑整个线上团队的远程协作。郝南表示，地图产品昨晚已经上传联合国救援协调平台，供更多救援力量参考。

抢抓黄金救援窗口期，信息就是生命线。随着灾情信息量级不断扩大，仅靠核心团队难以覆盖全量信息核验与处理工作，卓明信援同步开启线上志愿者紧急招募，面向全社会开放三类线上岗位：西班牙语志愿者（主要负责灾情信息、现场影像的搜集、翻译与核实）；委内瑞拉当地华人志愿者（提供一线视角，还原灾区真实图景）；信息处理志愿者(线上协助信息搜集、互助地图制作、简报编撰与求助核实线。所有岗位均无需赶赴现场，通过远程协作即可参与救援。

在郝南看来，此次AI成为救援助手，但“AI介入的程度有限，核心环节依然离不开人”，这也是团队大规模招募志愿者的核心原因。他认为，最核心的风险是AI幻觉：在灾害信息搜集场景中，哪怕一点点信息失真，都可能误导救援方向，造成严重后果。“AI没有sense，没有办法训练出对信息的价值判断能力，因为它没有具身经验。”郝南坦言，目前AI只能完成标准化、流程化的工作，涉及信息核验、价值判断的环节，必须由人工兜底。

他举例说，具体到实操层面，信息搜集环节就无法完全依赖AI。救援团队需要根据当地网友发布的地名、照片、视频，排查周边所有区域的受灾情况，这一步必须由人工完成；大量西班牙语的一手信息，也需要懂西语的志愿者翻译核验，无法完全依赖机器翻译。在人口5000人以下的小城镇，由于数据量少、信息零散，AI很难做出准确研判，颗粒度不足的问题十分明显。

技术层面也存在现实瓶颈。目前这套地图系统每次拖动都要调用两万多次地图API接口，加载速度较慢，“就像同时让两万个人分头查资料，肯定比一个人查要慢得多”。开发团队正在尝试通过本地缓存优化性能，后续还会将密集数据点融合显示，用圆圈大小代表数量级，避免界面拥挤。在郝南看来，AI永远只是工具，“原网站上每一个数字背后都是鲜活的生命，这份重量是AI没法感知的，也是我们做救援的初心”。

灾情研判：沿海为重灾区救援通道逐步打通

根据卓明信援综合研判，本次地震重灾区基本集中在委内瑞拉北部沿海的陡峭山区，内陆大城市受影响相对较小。其中面积最小的拉瓜伊拉州受灾最为严重，全国过半伤亡集中于此。该州紧邻加勒比海，通过隧道与首都加拉加斯相连，委内瑞拉最大的国际机场坐落于此，机场面积占全州三分之一。

灾情最严峻的是该州的卡蒂亚拉马尔沿海城镇。6栋十几层的高层建筑建在松软土台地上，其地质条件本就不适宜修建高层，地震后建筑大面积坍塌。社区人口密集，建筑彻底垮塌后生存空间极为有限，现场参与救援的华人初步评估，该社区伤亡可能达上千人，或占总遇难人数的一半以上。有着18年地震救援经验的郝南坦言，在他职业生涯中，除汶川地震外，卡蒂亚拉马尔社区的伤亡是最为惨烈集中的。不过他也强调，目前网络上2万多条寻人请求并不完全对应失踪人数，其中不少是通讯中断导致的暂时失联，最终伤亡数字仍需核实。

沿海的莫龙、图卡卡斯两个小镇同样受损严重。莫龙房屋普遍低矮，以浅埋压破坏为主；图卡卡斯多层建筑较多，灾情相对更重。震中位于三角洲山谷地形，沉积地质加陡峭山势易引发滑坡、坍塌等次生地质灾害，进一步加大救援难度。

内陆城市整体受灾较轻。此前受关注的巴伦西亚、马拉凯地区，因湖边土质松软易发生沙土液化曾被重点研判，目前确认破坏程度有限。整体来看，人口密集的大城市受损普遍较小，灾情集中在靠山临海的陡峭山区。

郝南介绍说，救援方面，目前当地时间26日白天搜救以中资企业员工、当地警民力量为主，专业救援队尚未全面覆盖所有重灾区。首都及周边已优先恢复电力，救援以首都为中心向外辐射。加拉加斯、巴伦西亚、马拉凯各有一座机场部分恢复功能，只接受人道援助包机，成为了救援的核心人道通道。

青年报·青春上海记者 范彦萍

编辑：陆天逸

来源：青春上海News—24小时青年报